舌图像自动分割是利用计算机进行舌象辅助诊断的一个关键技术问题。由专门的舌图像采集设备采集到的数字化舌图像中，包含了舌体区域和背景区域。由于舌象(舌苔、舌质等)的分析是基于舌体进行的，因此将舌体区域分割出来是自动化诊断系统的第一步工作，对舌体区域的分割效果将直接影响到后续算法对舌象进行病理分析的准确性。目前舌图像分割存在一定的困难，主要表现在：不同舌体形状和颜色变化很大；舌唇接触部位在颜色和纹理上较为近似；有些舌体边缘不规则、不够平滑，等等。 已有研究表明，仅依靠底层信息(象素的颜色或纹理信息)、或者仅依靠高层信息(模板)分割舌体，效果都不理想。Snake模型是一种将底层信息和高层信息融合起来的有效的目标轮廓提取算法，是一个很有发展潜力的舌图像分割方法。传统的Snake模型由于其自身的一些不足而限制了其在中医舌图像分割中的应用。首先，Snake模型对初始轮廓的要求较高，若初始轮廓距离真实轮廓较远，算法就容易收敛到错误位置。其次，Snake模型对噪声的鲁棒性不高，收敛过程容易被噪点影响。第三，轮廓点容易收敛并汇集到强边缘处。针对舌象的特点以及Snake模型的特点，本文完成了以下几个方面的工作： 1)利用图像灰度信息和亮度信息提取图像ROI，去除了采集图像中的大部分无关区域，降低了计算代价。 2)根据舌图像颜色的统计特点，设计了一种舌图像预处理方法，实验表明，用该预处理方法处理后的图像比梯度图更有利于进行舌图像分割。 3)提出极坐标边缘能量算子，在每个角度方向上用同方向的相邻六个点来计算极坐标边缘能量，提高了算法鲁棒性和抗噪声的能力。 4)提出用于舌体轮廓粗定位的双层结构极坐标边缘检测算法，改善了舌体轮廓粗定位的精度，并将粗定位结果作为Snake模型的初始轮廓，提高了Snake模型最终的分割精度。 5)研究了Snake模型，根据舌图像分割的特点对Snake模型做了改进。 在大量舌图像数据上的分割实验表明，本文方法具有较好的分割效果。